[論文レビュー] A general dynamical statistical model with possible causal interpretation

Daniel Commenges, Anne Gégout‐Petit|ArXiv.org|Oct 24, 2007

Bayesian Modeling and Causal Inference参考文献 41被引用数 3

ひとこと要約

本稿では、確率過程とドーブ＝マイヤー分解を用いた一般化された動的統計モデルを提案し、物理的解釈可能性を備えた因果的影響を形式化する。システムモデル（機械的ODE）と観測モデルを区別し、従来の統合モデルが因果的メカニズムを捉えられていないのに対し、感染細胞対未感染T細胞、ウイルス負荷ダイナミクスといった明示的な生物学的経路を持つ機械的HIVモデルが、微分方程式および有向グラフを用いて因果的影響を的確に表現できることを示している。

ABSTRACT

We develop a general dynamical model as a framework for possible causal interpretation. We first state a criterion of local independence in terms of measurability of processes involved in the Doob-Meyer decomposition of stochastic processes, as in Aalen (1987); then we define direct and indirect influence. We propose a definition of causal influence using the concepts of ``physical system''. This framework makes it possible to link descriptive and explicative statistical models, and encompasses quantitative processes and events. One of the features of this paper is the clear distinction between the model for the system and the model for the observation. We give a dynamical representation of a conventional joint model for HIV load and CD4 counts. We show its inadequacy to capture causal influences while on the contrary known mechanisms of HIV infection can be expressed directly through a system of differential equations.

研究の動機と目的

• 確率過程を用いた動的システムにおける因果推論の一般枠組みを開発すること。
• 相関関係を越えて、物理的システムと法則に基づく因果的影響を形式化すること。
• 潜在的な生物学的システムのモデルと観測データのモデルの区別を明確にすること。
• HIVダイナミクスにおいて、標準的な統合モデルに比べて機械的ODEモデルが因果的影響をよりよく捉えられることを示すこと。
• 動的枠組み内での比例ハザードモデルを用いて、イベント過程（例：機会性感染症）と連続マーカーを統合すること。

提案手法

• 特殊セミマルティンググレンのドーブ＝マイヤー分解を用い、予測可能プロセスの可測性により局所的インデペンデンスを定義する。
• ドーブ＝マイヤー分解の予測可能変動成分を通じて、直接的および間接的影響を定義する。
• 物理的法則に従う「物理的システム」の概念を用いて因果的影響を定義し、解釈可能性を確保する。
• 生物学的メカニズム（例：HIV感染ダイナミクス）を表すために、確率的微分方程式（SDE）またはODEの連立系を用いてシステムモデルを構築する。
• 未観測プロセス（システムモデル）と測定マーカー（例：CD4およびウイルス負荷）の観測モデルを分離する。
• 有向グラフを用いて因果的影響を表現し、ODE系から導かれる動的依存関係をエッジで示す。

実験結果

リサーチクエスチョン

• RQ1 物理的解釈可能性を備えた連続時間確率過程フレームワークにおいて、因果的影響を形式的に定義する方法は何か？
• RQ2 縦断的研究において、潜在的生物学的システムのモデルと観測データのモデルの違いは何か？
• RQ3 HIVマーカーの従来の統合モデルは、適合度が良好でもなぜ因果的メカニズムを捉えられていないのか？
• RQ4 HIVダイナミクスの機械的ODEモデルを、因果推論を支援する統計枠組みに統合する方法は何か？
• RQ5 治療が無作為化でない場合、測定値に影響を受ける治療意思決定を因果グラフにどのように表現できるか？

主な発見

• HIV負荷とCD4数の従来の統合モデルは、データに適合はするが、機械的構造の欠如により因果的影響を表現できない。
• 静止状態と活性化状態のCD4+ T細胞を区別し、感染性と非感染性ウイルスを明示的に扱う機械的ODEモデルは、既知の生物学的メカニズムと因果的経路を的確に表現できる。
• ホーらら（Ho et al., 1995）およびペルソンら（Perelson et al., 1996）が提唱したODE系は、ゲジュら（Guedj et al., 2007）によって拡張され、時間定数の物理的解釈可能なHIVダイナミクスモデルを提供する。
• ODEの構造とそれに続く影響グラフを通じて、因果的解釈が可能となり、ウイルス負荷からCD4減少への明確な経路が示される。
• 観察研究において、測定されたウイルス負荷およびCD4数に影響を受ける治療意思決定は、医師の意思決定プロセスを含めることでモデル化可能であり、測定誘発影響は因果グラフで点線で示される。
• 機会性感染症のカウントプロセスを比例ハザードモデルを介してODE系に統合することで、同じ因果枠組み内でのイベントと連続マーカーの統合的モデリングが可能になる。